EDA: 탐색적 데이터 분석

Hotel booking demand 데이터를 이용하여 EDA 진행

• 호텔 및 리조트 호텔의 예약 정보가 담긴 데이터
• 예약취소여부, 예약시간, 투숙기간, 성인, 어린이 및 아기, 이용 가능한 주차 공간 등이 포함되어 있음.

라이브러리, 데이터 준비

# 라이브러리 불러오기
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import plotly.graph_objects as go
import plotly.express as px
import plotly.io as pi
import seaborn as sns

# 데이터 불러오기

hb_df = pd.read_csv("./csv/hotel_bookings.csv")

1. 분석의 목적과 변수 확인

🤔

• 호텔 객실을 예약하기에 가장 좋은 시기(예약을 많이 취소하는 시기)는 언제일까?
• 하루 숙박비를 잘 받기 위한 최적의 투숙 기간은 언제일까?
• 예약 취소를 하는 사람들은 어떤 공통적인 특징을 가지고 있을까?

hb_df.head()

	hotel	is_canceled	lead_time	arrival_date_year	arrival_date_month	arrival_date_week_number	arrival_date_day_of_month	stays_in_weekend_nights	stays_in_week_nights	adults	...	deposit_type	agent	company	days_in_waiting_list	customer_type	adr	required_car_parking_spaces	total_of_special_requests	reservation_status	reservation_status_date
0	Resort Hotel	0	342	2015	July	27	1	0	0	2	...	No Deposit	NaN	NaN	0	Transient	0.0	0	0	Check-Out	2015-07-01
1	Resort Hotel	0	737	2015	July	27	1	0	0	2	...	No Deposit	NaN	NaN	0	Transient	0.0	0	0	Check-Out	2015-07-01
2	Resort Hotel	0	7	2015	July	27	1	0	1	1	...	No Deposit	NaN	NaN	0	Transient	75.0	0	0	Check-Out	2015-07-02
3	Resort Hotel	0	13	2015	July	27	1	0	1	1	...	No Deposit	304.0	NaN	0	Transient	75.0	0	0	Check-Out	2015-07-02
4	Resort Hotel	0	14	2015	July	27	1	0	2	2	...	No Deposit	240.0	NaN	0	Transient	98.0	0	1	Check-Out	2015-07-03

5 rows × 32 columns

hb_df.dtypes

hotel                              object
is_canceled                         int64
lead_time                           int64
arrival_date_year                   int64
arrival_date_month                 object
arrival_date_week_number            int64
arrival_date_day_of_month           int64
stays_in_weekend_nights             int64
stays_in_week_nights                int64
adults                              int64
children                          float64
babies                              int64
meal                               object
country                            object
market_segment                     object
distribution_channel               object
is_repeated_guest                   int64
previous_cancellations              int64
previous_bookings_not_canceled      int64
reserved_room_type                 object
assigned_room_type                 object
booking_changes                     int64
deposit_type                       object
agent                             float64
company                           float64
days_in_waiting_list                int64
customer_type                      object
adr                               float64
required_car_parking_spaces         int64
total_of_special_requests           int64
reservation_status                 object
reservation_status_date            object
dtype: object

• hotel : 호텔 종류(Resort Hotel, City Hotel)
• is_canceled : 예약취소여부(1: 취소, 0: 취소하지 않음)
• lead_time : 예약 날짜와 도착 날짜 사이의 일수
• arrival_date_OOO : 도착날짜의 년/월/일/주차
• stays_in_weekend_nights : 투숙 또는 예약한 주말 일수
• stays_in_week_nights : 투숙 또는 예약한 평일 일수
• adults : 성인 수
• children : 어린이 수
• babies : 아기 수
• is_repeated_guest : 현재 예약 전 예약 여부
• previous_cancellations : 현재 예약 전에 고객이 취소한 이전 예약 수
• previous_bookings_not_canceled : 현재 예약 전에 고객이 취소하지 않은 이전 예약 수
• reserved_room_type : 예약된 객실 유형의 코드
• assigned_room_type : 예약에 할당된 객실 유형의 코드
• booking_changes : 예약을 변경한 횟수
• days_in_waiting_list : 예약이 고객에게 확인되기 전에 대기 목록에 있었던 일 수
• required_car_parking_spaces : 고객이 필요로 하는 주차 공간 수
• total_of_special_requests : 고객의 특별 요청 수(예: twin bed 또는 high floor)

💡 의미가 없거나 값이 너무 많이 비어있는 컬럼은 제외

2. 데이터 전체적으로 살펴보기

hb_df.describe()

	is_canceled	lead_time	arrival_date_year	arrival_date_week_number	arrival_date_day_of_month	stays_in_weekend_nights	stays_in_week_nights	adults	children	babies	is_repeated_guest	previous_cancellations	previous_bookings_not_canceled	booking_changes	agent	company	days_in_waiting_list	adr	required_car_parking_spaces	total_of_special_requests
count	119390.000000	119390.000000	119390.000000	119390.000000	119390.000000	119390.000000	119390.000000	119390.000000	119386.000000	119390.000000	119390.000000	119390.000000	119390.000000	119390.000000	103050.000000	6797.000000	119390.000000	119390.000000	119390.000000	119390.000000
mean	0.370416	104.011416	2016.156554	27.165173	15.798241	0.927599	2.500302	1.856403	0.103890	0.007949	0.031912	0.087118	0.137097	0.221124	86.693382	189.266735	2.321149	101.831122	0.062518	0.571363
std	0.482918	106.863097	0.707476	13.605138	8.780829	0.998613	1.908286	0.579261	0.398561	0.097436	0.175767	0.844336	1.497437	0.652306	110.774548	131.655015	17.594721	50.535790	0.245291	0.792798
min	0.000000	0.000000	2015.000000	1.000000	1.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	1.000000	6.000000	0.000000	-6.380000	0.000000	0.000000
25%	0.000000	18.000000	2016.000000	16.000000	8.000000	0.000000	1.000000	2.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	9.000000	62.000000	0.000000	69.290000	0.000000	0.000000
50%	0.000000	69.000000	2016.000000	28.000000	16.000000	1.000000	2.000000	2.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	14.000000	179.000000	0.000000	94.575000	0.000000	0.000000
75%	1.000000	160.000000	2017.000000	38.000000	23.000000	2.000000	3.000000	2.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	229.000000	270.000000	0.000000	126.000000	0.000000	1.000000
max	1.000000	737.000000	2017.000000	53.000000	31.000000	19.000000	50.000000	55.000000	10.000000	10.000000	1.000000	26.000000	72.000000	21.000000	535.000000	543.000000	391.000000	5400.000000	8.000000	5.000000

# 결측치 확인
hb_df.isnull().sum()

hotel                                  0
is_canceled                            0
lead_time                              0
arrival_date_year                      0
arrival_date_month                     0
arrival_date_week_number               0
arrival_date_day_of_month              0
stays_in_weekend_nights                0
stays_in_week_nights                   0
adults                                 0
children                               4
babies                                 0
meal                                   0
country                              488
market_segment                         0
distribution_channel                   0
is_repeated_guest                      0
previous_cancellations                 0
previous_bookings_not_canceled         0
reserved_room_type                     0
assigned_room_type                     0
booking_changes                        0
deposit_type                           0
agent                              16340
company                           112593
days_in_waiting_list                   0
customer_type                          0
adr                                    0
required_car_parking_spaces            0
total_of_special_requests              0
reservation_status                     0
reservation_status_date                0
dtype: int64

👉 chiledren, country, agent, company 컬럼을 제외하고는 결측치가 없다.

children의 결측치는 4개 밖에 없기때문에 0으로 바꾸어준다.

hb_df['children'] = hb_df['children'].fillna(0)
hb_df['children'].isnull().sum()

0

hb_df.corr()

	is_canceled	lead_time	arrival_date_year	arrival_date_week_number	arrival_date_day_of_month	stays_in_weekend_nights	stays_in_week_nights	adults	children	babies	is_repeated_guest	previous_cancellations	previous_bookings_not_canceled	booking_changes	agent	company	days_in_waiting_list	adr	required_car_parking_spaces	total_of_special_requests
is_canceled	1.000000	0.293123	0.016660	0.008148	-0.006130	-0.001791	0.024765	0.060017	0.005048	-0.032491	-0.084793	0.110133	-0.057358	-0.144381	-0.083114	-0.020642	0.054186	0.047557	-0.195498	-0.234658
lead_time	0.293123	1.000000	0.040142	0.126871	0.002268	0.085671	0.165799	0.119519	-0.037622	-0.020915	-0.124410	0.086042	-0.073548	0.000149	-0.069741	0.151464	0.170084	-0.063077	-0.116451	-0.095712
arrival_date_year	0.016660	0.040142	1.000000	-0.540561	-0.000221	0.021497	0.030883	0.029635	0.054624	-0.013192	0.010341	-0.119822	0.029218	0.030872	0.063457	0.259095	-0.056497	0.197580	-0.013684	0.108531
arrival_date_week_number	0.008148	0.126871	-0.540561	1.000000	0.066809	0.018208	0.015558	0.025909	0.005518	0.010395	-0.030131	0.035501	-0.020904	0.005508	-0.031201	-0.076760	0.022933	0.075791	0.001920	0.026149
arrival_date_day_of_month	-0.006130	0.002268	-0.000221	0.066809	1.000000	-0.016354	-0.028174	-0.001566	0.014544	-0.000230	-0.006145	-0.027011	-0.000300	0.010613	0.001487	0.044858	0.022728	0.030245	0.008683	0.003062
stays_in_weekend_nights	-0.001791	0.085671	0.021497	0.018208	-0.016354	1.000000	0.498969	0.091871	0.045793	0.018483	-0.087239	-0.012775	-0.042715	0.063281	0.140739	0.066749	-0.054151	0.049342	-0.018554	0.072671
stays_in_week_nights	0.024765	0.165799	0.030883	0.015558	-0.028174	0.498969	1.000000	0.092976	0.044203	0.020191	-0.097245	-0.013992	-0.048743	0.096209	0.182382	0.182211	-0.002020	0.065237	-0.024859	0.068192
adults	0.060017	0.119519	0.029635	0.025909	-0.001566	0.091871	0.092976	1.000000	0.030447	0.018146	-0.146426	-0.006738	-0.107983	-0.051673	-0.035594	0.207793	-0.008283	0.230641	0.014785	0.122884
children	0.005048	-0.037622	0.054624	0.005518	0.014544	0.045793	0.044203	0.030447	1.000000	0.024030	-0.032859	-0.024730	-0.021072	0.048949	0.041066	0.030931	-0.033273	0.324854	0.056253	0.081745
babies	-0.032491	-0.020915	-0.013192	0.010395	-0.000230	0.018483	0.020191	0.018146	0.024030	1.000000	-0.008943	-0.007501	-0.006550	0.083440	0.036184	0.019206	-0.010621	0.029186	0.037383	0.097889
is_repeated_guest	-0.084793	-0.124410	0.010341	-0.030131	-0.006145	-0.087239	-0.097245	-0.146426	-0.032859	-0.008943	1.000000	0.082293	0.418056	0.012092	0.031527	-0.244586	-0.022235	-0.134314	0.077090	0.013050
previous_cancellations	0.110133	0.086042	-0.119822	0.035501	-0.027011	-0.012775	-0.013992	-0.006738	-0.024730	-0.007501	0.082293	1.000000	0.152728	-0.026993	-0.012488	-0.184574	0.005929	-0.065646	-0.018492	-0.048384
previous_bookings_not_canceled	-0.057358	-0.073548	0.029218	-0.020904	-0.000300	-0.042715	-0.048743	-0.107983	-0.021072	-0.006550	0.418056	0.152728	1.000000	0.011608	0.023252	-0.208557	-0.009397	-0.072144	0.047653	0.037824
booking_changes	-0.144381	0.000149	0.030872	0.005508	0.010613	0.063281	0.096209	-0.051673	0.048949	0.083440	0.012092	-0.026993	0.011608	1.000000	0.067010	0.122098	-0.011634	0.019618	0.065620	0.052833
agent	-0.083114	-0.069741	0.063457	-0.031201	0.001487	0.140739	0.182382	-0.035594	0.041066	0.036184	0.031527	-0.012488	0.023252	0.067010	1.000000	0.350746	-0.055151	-0.024695	0.177353	0.034162
company	-0.020642	0.151464	0.259095	-0.076760	0.044858	0.066749	0.182211	0.207793	0.030931	0.019206	-0.244586	-0.184574	-0.208557	0.122098	0.350746	1.000000	0.000411	0.086376	-0.012916	-0.098558
days_in_waiting_list	0.054186	0.170084	-0.056497	0.022933	0.022728	-0.054151	-0.002020	-0.008283	-0.033273	-0.010621	-0.022235	0.005929	-0.009397	-0.011634	-0.055151	0.000411	1.000000	-0.040756	-0.030600	-0.082730
adr	0.047557	-0.063077	0.197580	0.075791	0.030245	0.049342	0.065237	0.230641	0.324854	0.029186	-0.134314	-0.065646	-0.072144	0.019618	-0.024695	0.086376	-0.040756	1.000000	0.056628	0.172185
required_car_parking_spaces	-0.195498	-0.116451	-0.013684	0.001920	0.008683	-0.018554	-0.024859	0.014785	0.056253	0.037383	0.077090	-0.018492	0.047653	0.065620	0.177353	-0.012916	-0.030600	0.056628	1.000000	0.082626
total_of_special_requests	-0.234658	-0.095712	0.108531	0.026149	0.003062	0.072671	0.068192	0.122884	0.081745	0.097889	0.013050	-0.048384	0.037824	0.052833	0.034162	-0.098558	-0.082730	0.172185	0.082626	1.000000

👉 데이터 살펴보기 (is_canceled 컬럼과의 관계)

• lead_time
  • 예약 날짜와 도착 날짜 사이의 일수가 많을수록 예약을 취소하는 사람이 많을 수 있다.
• previous_cancellations
  • 현재 예약 전에 고객이 취소한 이전 예약 수가 많을수록 예약을 취소하는 사람이 많을 수 있다.
• booking_changes
  • 예약을 변경한 횟수가 적을수록 예약을 취소하는 사람이 많을 수 있다.
• required_car_parking_spaces
  • 고객이 필요로 하는 주차 공간 수가 적을수록 예약을 취소하는 사람이 많을 수 있다.
• total_of_special_requests
  • 고객의 특별 요청 수가 적을수록 예약을 취소하는 사람이 많을 수 있다.

3. 데이터의 개별속성 파악하기🔎

hotel, is_canceled

hb_df['is_canceled'].value_counts()

0    75166
1    44224
Name: is_canceled, dtype: int64

fig = px.histogram(hb_df, x="is_canceled", color='hotel')
fig.update_xaxes(type='category')
fig.show()

# pi.write_json(fig, 'chart1.json')

👉 취소하지 않은 고객의 데이터가 더 많다. 그리고 City Hotel의 데이터가 더 많다.

arrival_date_month

fig = px.histogram(hb_df, x="arrival_date_month")
fig.update_xaxes(type='category')
fig.show()

👉 여름에 예약하는 사람이 많고, 겨울에 예약하는 사람이 적다.

reserved_room_type

fig = px.pie(hb_df, names='reserved_room_type')
fig.show()

👉 예약된 객실 유형의 코드는 A, D, E, F, G 순으로 많다.

⭐ 가설 세우기

1. 예약 날짜와 도착 날짜 사이의 일수가 많을수록 예약을 취소하는 사람이 많을 수 있다.
2. 예약을 변경한 횟수가 적을수록 예약을 취소하는 사람이 많을 수 있다.
3. 어느 달이 취소하는 사람이 많을까?

1. 예약 날짜와 도착 날짜 사이의 일수가 많을수록 예약을 최소하는 사람이 많을 수 있다.

fig = px.histogram(hb_df, x="lead_time", y='is_canceled', nbins=100)
fig.show()

❌ 오래전에 예약한 사람보다 급하게 예약한 사람들이 취소하는 사람이 더 많다.

2. 예약을 변경한 횟수가 적을수록 예약을 취소하는 사람이 많을 수 있다.

fig = px.histogram(hb_df, x="booking_changes", color='is_canceled')
fig.show()

⭕ 예약 변경 횟수가 적을수록 에약을 취소하는 사람이 많다.

3. 어느 달이 취소하는 사람이 많을까?

fig = px.imshow(hb_df[['is_canceled','arrival_date_month']].groupby('arrival_date_month').mean())
fig.show()

👉 4월과 6월에 취소하는 사람이 많고, 1월과 11월에 취소하는 사람이 적다.